Question

我在csv文件中删除了一些tripadvisor内容（id，引用，评级，完整评论）并尝试过滤掉仅5 *等级的文档，但似乎无法正常工作。

> x <- read.csv ("test.csv", header = TRUE, stringsAsFactors = FALSE)   
> (corp <- VCorpus(DataframeSource (x),  
+  readerControl = list(language = "eng")))

我得到以下内容：

<<VCorpus>>
Metadata:  corpus specific: 0, document level (indexed): 0
Content:  documents: 50

现在，在过滤时，它显示有0个文档的评级为5 *且不能正确。

> idx <- meta(corp, "rating") == '5'

> corp [idx]

<<VCorpus>>
Metadata:  corpus specific: 0, document level (indexed): 0
Content:  documents: 0

我是否忽略了创建语料库的任何内容？

按要求输出文字

'data.frame':   682 obs. of  6 variables:
 $ X            : int  1 2 3 4 5 6 7 8 9 10 ...
 $ id           : chr  "rn360260358" "rn359340351" "rn356397660"     "rn355961772" ...
 $ quote        : chr  "Nice but not unique " "Beautiful scenery of German     forest with a lake" "Beautiful Lake and Amazing Mountain Views" "Beautiful!" ...
 $ rating       : chr  "3" "5" "5" "5" ...
 $ date         : chr  "Reviewed 5 March 2016" "Reviewed 29 February 2016" "Reviewed 27 February 2016" ...
 $ reviewnospace: chr  "We visited the lake with our daughters in March. All s...

Answer 1

您的数据导入方法根本不传递元数据。 DataFrameSource(x)将x的所有变量作为文档文本传递。

此外，无论采用何种方法，都没有简单，自动的方式在tm中添加一堆元数据。相反，我们可以使用VectorSource(x$reviewnospace)（假设这是保存文本的列），并在第二步中为其分配元数据。然后您的索引按预期工作。

library(tm)

# use VectorSource to import data
corp <- VCorpus(VectorSource(x$reviewnospace),  readerControl = list(language = "eng"))
# assign metadata
meta(corp,tag = "rating") <- x$rating

idx <- meta(corp, "rating") == '5'
corp [idx]

R - 用tm分析tripadvisor内容

1 个答案: